MIT开发机器人语义SLAM算法 无需事先绘制地图 自动送货可精准到家

  • 时间:
  • 浏览:1
  • 来源:1.5分彩官网平台_1.5分彩网投平台_1.5分彩投注平台_1.5分彩娱乐平台

在不久的将来,机器人可能性会作为最后一英里的送货工具,将您的外卖订单、快递邮邮寄包囊或套餐送到家门口。但前提是,机器人要先找到地方。

机器人导航的标准法律最好的妙招是提前绘制三个 多区域的地图,否则 使用算法引导机器人驶向地图上特定目标或GPS坐标。否则 此种法律最好的妙招在最后一英里送货环境中,它可能性变得笨拙。可能性须要提前绘制交付区域内的所有社区地图,包括每栋房屋的配置以及前门的特定坐标。否则 ,不难 扩展到整个城市,尤其可能性房屋外观突然随着季节的变化而变化。否则 ,为每一所房子绘制地图也会遇到安全和隐私大问题。

据外媒报道,麻省理工学院的工程师们开发了有一种导航法律最好的妙招,不会以前绘制地图,要是我我 使机器人利用环境中的线索,规划通往目的地的路线。目的地不再是地图中的坐标,要是我我 使用通用语义术语进行描述,比如“前门”或“车库”等。例如,可能性机器人收到指示,须要将快递邮邮寄包囊送到某人的前门,它会从车道出发,可能性经过训练,它能识别出这条车道可能性通向人行道,而人行道又可能性通向前门。这项新技术都须要极大减少机器人在识别目标以前的探索时间,否则 不依赖特定房屋的地图。

近年来,研究人员致力于将自然语义语言引入机器人系统,训练机器人,使其通过语义标签识别物体。例如,它们能可视化处里“门”,而须要简单地把门视为坚固的矩形障碍物。麻省理工学院机械工程系研究生Michael Everett表示,“亲戚亲戚朋友儿都须要让机器人实时感知事物。”Everett及一点研究人员正将例如的语义技术用于新的导航法律最好的妙招。该法律最好的妙招利用了现有算法,从视觉数据中提取特性,生成同一场景的新地图。

麻省理工学院研究人员使用语义SLAM(同步定位和映射)算法,利用物体的语义标签和速率单位图像,构建机器人移动时的环境地图。而一点语义算法使机器人识别和映射环境中的对象,否则 不上能 让机器人在新环境中行驶时,即时决定最便捷的道路,到达语义目的地,如“前门”。

研究人员希望通过语义的彩色情境世界,加速机器人的路径规划。亲戚亲戚朋友开发了有一种新的“代价函数(cost-to-go)”算法,可将现有SLAM算法生成的语义地图转再加新的地图,代表任何给定位置接近目的地的可能性性。

该地图是彩色的,较暗的地区代表距离目的地较远,而较亮的地区代表更接近目的地。例如,在语义图中以黄色编码的人行道,可能性会被代价函数算法翻译为新地图中较暗的区域。而车道在接近前门时逐渐变亮,前门是最亮的区域。

研究人员将新算法用于一张Bing Maps卫星图像,该图像所含77户人家。该系统将语义地图转换为cost-to-go地图,并根据图中较亮的区域,绘制出最有效的路径,最终到达目的地。对于每一幅卫星图像,Everett前会 给典型前院的情境特性赋予语义标签和颜色,比如前门是灰色的,车道是浅紫色的,树篱是绿色的。在什儿 训练过程中,该团队还在每张图像中应用遮罩,模拟穿过院子时,机器人摄像头视线可能性被遮挡。

研究人员在一栋全新房子的模拟图像中测试了此种新法律最好的妙招。首先利用SLAM算法生成语义地图,否则 利用代价估计函数生成第二幅地图,以及通往前门的路径。该项新技术找到前门的速率单位比传统导航算法快189%,传统算法不考虑情境或语义,而花费不多的步骤探索不太可能性接近目的地的区域。Everett表示,该结果说明了机器人可利用环境,高效定位目标,即使是在夹生悉的环境中。他还表示,“机器人在陌生的环境中不上能 发现一点线索,与它在一点地方都看的一样。不同区域环境可能性有所不同,但也处于同時 点。”